Graph Attention Networks (GATs) sind eine Art neuronales Netzwerk, das für graphisch strukturierte Daten entwickelt wurde. Sie wurden 2017 von Petar Veličković und seinen Kollegen vorgeschlagen.Graph Attention NetworkGATs überwinden die Einschränkungen bisheriger Techniken, die auf Graphenfaltungen oder deren Näherungen basieren, durch die Verwendung maskierter selbstaufmerksamer Schichten. Knoten in GATs können Aufmerksamkeitsoperationen auf die Merkmale ihrer Nachbarn durchführen, wodurch verschiedenen Knoten implizit unterschiedliche Gewichte zugewiesen werden können, ohne dass aufwändige Matrixoperationen (z. B. Inversionen) oder Vorkenntnisse der Graphenstruktur erforderlich sind. Dadurch können GATs mehrere zentrale Herausforderungen spektralbasierter Graph-Neuralnetze gleichzeitig bewältigen und das Modell bequem sowohl auf induktive als auch auf traditionelle Probleme anwenden.